Пошук академічних текстів

Інформація × Реєстраційний номер 2125U002926, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Гібридна система рекомендацій для e-commerce на основі машинного навчання Автор Балаков Лев БорисовичBalakov Lev Borysovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/75895 Видання Київ Опис Дипломна робота: 96 с., 15 рис., 12 табл., 28 посилань, 1 додаток. У роботі досліджено концепцію гібридної рекомендаційної системи для платформ електронної комерції, що інтегрує аналіз історії взаємодій користувачів із товарами та характеристики продуктів. Об’єктом дослідження є сучасні інформаційні системи рекомендацій в електронній комерції. Предмет дослідження – алгоритми та методи побудови рекомендаційної системи для персоналізації пропозицій товарів. Метою роботи є розробка прототипу гібридної системи та оцінка її ефективності через експериментальні дослідження. Оглянуто сучасні методи рекомендаційних систем, проаналізовано їхні сильні та слабкі сторони, зокрема обмеження, пов’язані з холодним стартом і недостатньою різноманітністю пропозицій. Виконано підготовку даних, що включала фільтрацію подій, створення ознак на основі характеристик товарів і вагування взаємодій для відображення їхньої бізнес-цінності. Розроблено прототип системи, який поєднує колаборативні та контент-орієнтовані підходи, забезпечуючи оптимальне поєднання їхніх переваг. Проведено оцінку якості рекомендацій за метриками точності, повноти, різноманітності та охоплення асортименту. Результати дослідження підтверджують високу фективність гібридної системи, яка забезпечує релевантні, різноманітні та адаптивні рекомендації. Встановлено її стабільну продуктивність на різних наборах даних. Наукова новизна полягає в обґрунтуванні принципів гібридної архітектури та розробці механізму узгодження результатів різних методів. Практична цінність роботи полягає в можливості застосування системи для підвищення лояльності клієнтів, зростання конверсії та оптимізації комерційних показників платформ електронної комерції. Thesis: 96 pages, 15 figures, 12 tables, 28 references, 1 appendix. The thesis investigates the concept of a hybrid recommender system for ecommerce platforms, integrating the analysis of user interactions with products and product characteristics. The object of the study is modern recommender systems in e-commerce. The subject is algorithms and methods for building a recommender system to personalize product offerings. The aim of the work is to develop a prototype of a hybrid system and evaluate its effectiveness through experimental studies. Contemporary recommender system methods were reviewed, and their strengths and weaknesses, including limitations related to cold start and insufficient diversity of recommendations, were analyzed. Data preprocessing was performed, encompassing event filtering (views, add-to-cart actions, purchases), feature creation based on product characteristics, and interaction weighting to reflect their business value. A prototype system was developed, combining collaborative and content-based approaches to leverage their complementary advantages. The quality of recommendations was evaluated using metrics for precision, recall, diversity, and catalog coverage, with visualizations created to analyze recommendation relevance and novelty. The results confirm the high effectiveness of the hybrid system, which provides relevant, diverse, and adaptive recommendations. Its stable performance across different datasets was established. The scientific novelty lies in substantiating the principles of a hybrid architecture and developing a mechanism for reconciling results from different methods. The practical value of the work lies in its potential to enhance customer loyalty, increase conversion rates, and optimize commercial performance of e-commerce platforms. Додано в НРАТ 2025-11-05 Закрити